689 Commits

Author	SHA1	Message	Date
ThearchyHelios	1e87504e5c	复核把「首稿没过、重写后已通过」当缺口：report_repair、report_rewrite 这类「改过一次」的信号按同一个报告节点最后一次 report.checked 定档——最终通过的（没有违规；裁判摘要里不再有证据不支持的句子）不进复核的异常清单，复核模型被别的信号叫起来时，说明里另起一节「已经处理好的」写「报告「x」首稿有 N 处没过核对，重写后已全部通过」，不再写成「核对仍未全部通过、可能不准」；最终没过的照旧记缺口。report_repair、report_rewrite 的日志带上处数	2026-10-19 16:43:54 +08:00
ThearchyHelios	71b83195ac	复核 R-d6（sudo ./deploy.sh 时 DATA_DIR=~/… 展开成 /root 下）：有 SUDO_USER 时 ~ 按它的家目录展开（getent passwd 取，取不到退回 $HOME），「不能是家目录本身」也按它查；install、upgrade、migrate 开头打印展开后的绝对路径（DATA_DIR 用了 ~ 时注明 ~ 是哪个目录）。deploy/README 写一句（agentlab.env 已有的行没动）。假 docker 单测：SUDO_USER 的家目录、取不到时退回 $HOME	2026-10-19 16:15:21 +08:00
ThearchyHelios	49118eeef2	复核 R-d5（dev.sh 读 .env 不全）：认 KEY = value（等号两边有空格，和后端的 dotenv 一致）；放开发库密码的数据目录也照「环境变量 > backend/.env > .env」读 AGENTLAB_DATA_DIR，相对路径按后端的工作目录 backend/ 算，.postgres-dev 落在后端实际用的数据目录下。单测：等号带空格、export、行尾注释、backend/.env 优先、相对的数据目录	2026-10-19 16:13:35 +08:00
ThearchyHelios	65d35f6c97	复核 R-d4（升级前的 SQLite 备份只拷了应用库和断点库）：填报的记录表 records/**/*.db 也用 SQLite 的备份接口拷进同一份备份，相对路径照旧，目录 0700、文件 0600；库在 PostgreSQL 时不做这份（记录表跟着整目录备份）。deploy/README 写清这份备份含什么、不含什么（上传原件和版本库、工件库、附件、知识库、沙箱工作区、.secret_key 要整目录备份），恢复步骤加上记录表	2026-10-19 16:12:07 +08:00
ThearchyHelios	676c546cbb	复核 R-d3（卸载时不看网络是不是自己建的就删）：建网络时打上 agentlab.role=network 和这个部署的 agentlab.deployment 标签；卸载时标签和部署编号对得上才删，早先建的没有标签的按数据目录里记着的网络名认，都不是就只打印一句、不删。假 docker 单测：别人的同名网络、没标签又没记着的不删，自己的（含早先没标签的）删掉	2026-10-19 16:10:25 +08:00
ThearchyHelios	8b5b7f86b2	复核 R-d2（起不来的库容器回退后还在一遍遍重启）：stop_pg 对在跑的和在重启的（restarting）都停；migrate-to-postgres 回退时先 docker update --restart=no 再停，再起库时（start_pg）恢复 --restart unless-stopped；./deploy.sh stop 用同一个函数一起好。假 docker 单测：镜像起不来、容器一直 restarting 时回退后停在 exited、重启策略是 no，换回能起的镜像重跑照常，stop 也停得下在重启的	2026-10-19 16:09:19 +08:00
ThearchyHelios	35bb634460	复核 R-d1（认库是不是自己的不够严）：状态文件第一次记 migrating / builtin 时一并记下库的容器、数据卷、网络的名字和一个部署编号（app.ops state --container/--volume/--network，--get 取一项），库容器、数据卷带 agentlab.deployment=<编号> 标签（数据卷先 docker volume create 再起容器）。agentlab.env 的名字和记着的对不上就拒绝（install、upgrade、migrate、起停、状态、卸载都先核对），早先只记了模式的状态文件按当时的名字补记、照实打一行；库容器要标签和部署编号对得上（没编号的老容器看挂的密码文件是不是这个数据目录的）、挂的数据卷就是 POSTGRES_VOLUME，清空库之前数据卷还要带这个部署的编号（没编号的不清空）；卸载碰上别人的库容器只提示不删。假 docker 单测：同一台机器上两个部署，改名指向对方、老状态文件补记之后，对方的库不被清空、不被删、不被重建	2026-10-19 16:07:03 +08:00
ThearchyHelios	d117237bbc	配置模板补上 PostgreSQL 和多进程的几项：.env.example 的应用库一节分成应用库、连接池、PgBouncer、多进程、开发用 PostgreSQL 五组，补上 AGENTLAB_DATABASE_DIRECT_URL、AGENTLAB_DB_PGBOUNCER、AGENTLAB_DB_POOL_TIMEOUT、AGENTLAB_DB_POOL_RECYCLE、AGENTLAB_DB_STARTUP_TIMEOUT、AGENTLAB_WORKERS、AGENTLAB_WORKER_LEASE_S、AGENTLAB_WORKER_HEARTBEAT_S、AGENTLAB_SCHEDULER、AGENTLAB_SCHEDULER_TICK_S、AGENTLAB_BUILD 和 dev.sh --postgres 的 AGENTLAB_DEV_PG_*（都注释着，名字、缺省值照 core/config.py 和脚本）；dev.sh 的 AGENTLAB_DEV_PG_* 也认 .env / backend/.env（环境变量优先，和后端的配置同一个规矩，不 source）。deploy/agentlab.env 末尾再追加「外接 PostgreSQL 与多进程（可选）」一段（地址写宿主机网桥 172.17.0.1、放行容器网段，和内置库二选一；断点库、PgBouncer、直连地址、工作进程、租约、连接池、启动时等库），已有的行一行没动。deploy.sh：AGENTLAB_DATABASE_DIRECT_URL 也算外接的库（和内置互斥），只设直连地址不设 AGENTLAB_DATABASE_URL、内置库开 AGENTLAB_DB_PGBOUNCER、SQLite 时 AGENTLAB_WORKERS 大于 1 都在起容器之前照实拦下（migrate-to-postgres 在停服务之前查）。单测：这些 AGENTLAB_* 经 --env-file 进容器、几条拦截、模板两段的项和缺省值、dev.sh 从 .env 读设置，以及守卫——config.py 里应用库、连接池、多进程、调度几类配置每一项都要在 .env.example 里有	2026-10-19 15:41:37 +08:00
ThearchyHelios	b52a67b18d	后台任务的 drain 不再空转：notify.service、eval.cleanup 的 drain 改用新增的 core/background.drain——做完了的任务直接从集合里摘掉，只等本事件循环上没做完的，别的循环上没做完的不等、循环关了的摘掉。以前 while _background: await gather(...) 碰上别的事件循环上做完、discard 回调永远不跑的任务，gather 立刻返回、不让出事件循环，在那里空转（CPU 打满、进程卡死）：PostgreSQL 全量里 test_personal_apps 的收尾两次卡在这里。单测在另一个线程里跑 drain、按线程等（空转时事件循环转不动，wait_for 救不了）	2026-10-19 15:29:00 +08:00
ThearchyHelios	39bc76494e	测试：随机名字不带数字——新增 tests/fixtures/names.letters（uuid4 的十六进制里数字换成字母，同 test_run_data_versions 的写法），dual_check_shop 的数据源名、盲算的调用编号，评测、应用说明检查、导入、遮罩、通知几处测试里拼进文本的随机名字都改用它（以前带着「330」「300」「48」这类数时撞上「文本里不许出现这个数」的断言）；test_eval_schedule 查通知里有没有数时先去掉 32 位编号和发送时间（随机的编号带过「310」）；test_null_not_null_values_fall_back_to_the_model_default 显式导入 app.db.models（单独跑时 schedules 还没登记进元数据，KeyError）。deploy.sh 注明内置库不用 copy-to-postgres 的 --direct-url	2026-10-19 15:16:54 +08:00
ThearchyHelios	27237623c5	合入 nr8/b 的 45513c90（复核 R-b7–R-b15 和 R-b12 的尾巴：租约按库的时钟、隔离用计入休眠的钟、PostgreSQL 单进程墙钟跳变不再隔离自己、Fenced 只对绑定世代的执行抛、隔离后等不到重新登记的运行照实收尾、续租任务不退出、换身份后收拾旧身份、quota.take 交回日期、check_pgbouncer 同一主机端口（本机回环规范化）也拒绝、copy-to-postgres 抽出 checkpoint_conninfo 加 --direct-url、版本指纹算进 requirements.lock、run_events 重号记进设置）；没有冲突，README、db/base.py、db/to_postgres.py 自动合并：to_postgres.main 里 nr8/b 的 --direct-url 和这边连不上时一句话报错的分支都在	2026-10-19 15:14:25 +08:00
ThearchyHelios	45513c90b7	R-b12 的尾巴：check_pgbouncer 判同一个主机端口时把主机名规范化——localhost、127.x.x.x、::1 都算本机回环，IP 按地址比（::ffff:10.0.0.5 和 10.0.0.5 相同），解析不成 IP 的按字面（小写）比、不查 DNS。补测试：localhost 对 127.0.0.1、127.0.0.1 对 ::1、IPv4 映射地址同端口都拒绝，本机另一个端口、名字不同的放行	2026-10-19 15:09:10 +08:00
ThearchyHelios	c0f7aae8ad	复核 R-b15（隔离后等不到重新登记的运行原因记错、任务没摘）：_drive 里 fence.ready() 等不到时照实收尾——排队中的（一步都没执行过）收成失败，写明「本进程隔离后没能重新登记，这次运行没有开始执行」并记 run.failed；要接着执行的（继续、批了审批）收成中断、断点完好可继续运行；条件更新，状态、属主变了（别的进程先接手）就不动；执行任务从 run_manager._tasks 里摘掉。补测试：隔离后新身份一直没登记上，新发起的运行收成失败、原因写对、run.failed 记下、任务摘掉	2026-10-19 15:08:39 +08:00
ThearchyHelios	eb9af51abb	复核 R-b14（PostgreSQL 单进程墙钟一跳就隔离自己）：取得到计入休眠的钟（SLEEP_AWARE）时 stale() 只看它，墙钟只在取不到时当后备（两只里走得多的那只）；两只钟对不上（jumped）不再直接隔离，先续一次租——续租那一句按库的时钟核对「自己的租约还没过期」，以它为准：续上了只记一条日志照常，续不上才隔离。README「多进程」补一句：库服务器自己的时钟往前跳超过一个租约时所有进程一起隔离、怎么恢复，往回跳时真没了的进程要多等，本机墙钟跳了不隔离。补测试：墙钟往前往后跳一小时不算续晚了、只算对不上，计入休眠的钟走过两个租约照样算，取不到时墙钟当后备；PostgreSQL 单进程墙钟 ±1 小时续租照常续上、不隔离，真过期仍隔离；执行到一半墙钟 ±1 小时，运行照常跑完、世代不变（改前的写法往前跳那条不过）	2026-10-19 15:07:17 +08:00
ThearchyHelios	68c1f4143e	复核 R-b13（版本拦截与零碎）：preflight 报错列出全部活着的、版本不同的进程，各标明心跳在走还是停着、等租约过期（以前只点名先看到心跳的那个，人停掉它再起还会被另一个拦下）；源码指纹把依赖锁文件 requirements.lock 的内容也算进去，只升了依赖也算版本不同，锁文件取不到时换成几个关键包的版本，Docker 镜像里留一份锁文件；存量库 run_events 撞了号时把结果记一次（settings 表 cluster:run_events_seq_duplicates，记下撞号的那几处，最多 200 处），之后启动不再整表 GROUP BY、只按索引核对那几处还撞不撞，都处理掉了才再数一遍、建唯一索引、删掉记录。隔离后换身份那几条日志写出新旧完整身份已在 R-b9 那一笔里改了。README「升级」一段跟着补一句。补测试：一个心跳在走、一个心跳停着，报错两个都列出、各标状态；锁文件变了指纹跟着变、取不到时用包版本；撞号第一次整表数、第二次只核对不扫、处理掉之后建上索引并删掉记录	2026-10-19 14:45:54 +08:00
ThearchyHelios	d55ae68e7d	复核 R-b12（直连地址其实还是 PgBouncer、搬断点走了事务模式）：check_pgbouncer 除了没给直连地址，直连地址和应用库地址连的是同一个主机端口（规范化之后比，端口不写按 5432）也拒绝启动，报错说清直连要绕过 PgBouncer；copy-to-postgres 搬断点抽成 checkpoint_conninfo：给了断点库地址用它，否则进目标库、给了直连地址就走直连，命令行加 --direct-url，不给而目标就是应用库时用 AGENTLAB_DATABASE_DIRECT_URL。补测试：同一个主机端口（大小写、用户、参数不同）拒绝、同主机另一个端口放行；搬断点缺省走直连、单给的断点库地址优先、目标是别的库不套用应用库的直连地址	2026-10-19 14:42:33 +08:00
ThearchyHelios	ed3bb943df	复核 R-b11（跨零点退回额度退到第二天那一行）：quota.take 交回占在了哪一天（本地日期），占不到交回 None；出具、按需视图发起失败时按这个日期退回——23:59:59 占、00:00:01 失败，退的是前一天那一份，第二天的不动。补测试：跨零点占了两份、退回前一天那一份，前一天归零、第二天那份不动	2026-10-19 14:40:11 +08:00
ThearchyHelios	19ffa1fa17	测试：隔离之后重新登记、收拾旧身份的两条用虚构的旧身份（不拿本进程真的身份当旧身份收拾，免得删到同一个测试进程里前面留下的、属主是它的行）	2026-10-19 14:40:10 +08:00
ThearchyHelios	1e6f0554fe	复核 R-b10（隔离换身份后旧身份的名额、请求没人收拾）：要名额时把当时的身份记在 holder 上，放的时候按它删，换了身份也删得到；新身份登记上之后收拾旧身份（tidy_retired）——它的执行都已停下、写不了了，不必等它的租约过期：删掉它的登记（发 gone，别的进程马上按属主不在了接手它认领的运行、任务）、它占着的运行名额和同源队的位置，交出它拿着的当班租约，发给它的请求转到新身份名下照办，照实记一条日志；停止请求对不在本进程执行的运行也照停止的规矩办（cancel 自己看属主：转给正在执行它的进程、属主不在了就接手放弃、停在断点上的收成 cancelled）。补测试：拿着名额时换了身份照样放得掉（改前的写法这条不过）；新身份登记上之后旧身份的登记、名额、队里的位置、当班租约都收拾掉，转过来的停止请求把停在断点上的那次运行收成 cancelled	2026-10-19 14:36:19 +08:00
ThearchyHelios	ba22b82b3d	复核 R-b9（Fenced 打到不该打的地方）：check() 续晚了谁问到都隔离，但只对绑定了世代的执行（运行的一段执行、后台任务）抛 Fenced，HTTP 处理、调度那一拍、进程间请求问到时只隔离不抛；调度循环、心跳、办进程间请求也接住 Fenced；续租的任务不再因为一下出错就退出——续租、隔离之后重新登记都包住，照实记日志、退避着重试（最长一个租约时长）。隔离时马上换身份（之后新建的行记新身份），新身份登记上之前心跳不争当班、不接手，新开始的运行、后台任务在 fence.ready() 上等（最多一个租约时长，等不到就不开始，那几行由别的进程按属主不在了处理，这边同时放弃这个一直没登记上的身份、再换一个）。日志写出新旧完整身份。补测试：没绑定的调用者只隔离不抛、绑定在隔离之前的抛、新身份登记上之前 ready 等着；调度循环被 Fenced 打到一拍之后照常；重新登记先被版本守卫拦、再碰上库连不上，续租任务都不退出，登记上之后照常续租	2026-10-19 14:33:45 +08:00
ThearchyHelios	d6ecaaa7a3	复核 R-b8（隔离时 asyncio 记一条回调异常）：断点写入的守卫改成协程包装、在协程里查 fence——LangGraph 在节点的完成回调里调 aput_writes 拿协程交给后台任务，以前同步包装在回调里就抛 Fenced，每次隔离都打一条「Exception in callback … FuturesDict.on_done」加 traceback；现在异常留在写断点的那个任务里，由 LangGraph 照常收走。补测试：卡住被接手那一条里 asyncio 不记回调异常、不记没人取的任务异常（改前的写法这条不过）	2026-10-19 14:29:12 +08:00
ThearchyHelios	7fcce90f95	复核 R-b7（休眠、时钟偏差下隔离失灵）：租约改用库的时钟——续租、登记写 lease_until = 库的 clock_timestamp() + 租约，判活、清理过期登记、版本守卫看谁活着都比库的时钟，调度当班的租约同样按库的时钟接班、续租，本地判还当不当班改看计入休眠的单调钟，机器之间墙钟差多少都不起作用；隔离改用计入休眠的钟（Linux CLOCK_BOOTTIME，macOS clock_gettime(CLOCK_MONOTONIC)，取不到退回 monotonic），并且一律同时比墙钟，两只钟里走得多的那只说过了一个租约就算续晚了；续租时两只钟差出一个租约（墙钟跳了、休眠没计）也隔离；续租那一句带上「库里自己的租约还没过期」的条件，过期了或者登记不见了就不再续这个身份、隔离换身份（以前登记不见了是用旧身份重新登记）。补测试：单调钟不走而墙钟过了两个租约、墙钟往回拨，都算续晚了；本机墙钟快一小时，别的进程照样活着、当班租约抢不走；库的时钟过了自己的租约时续租不续、隔离一次	2026-10-19 14:27:55 +08:00
ThearchyHelios	11d3b24592	测试：conftest 把 AGENTLAB_SECRET_KEY、AGENTLAB_SCHEDULER 挪到任何 app.* 导入之前（PostgreSQL 分支先导入 app.db.base 装连接池，settings 那一刻就定下来了，以前单独跑 test_schedule_events_api.py 在 PostgreSQL 上 scheduler_on 是 True）；test_trigger_options 按名字（q）查要核对的那几个对象，不再指望一页 100 个装得下同一个库里别的测试建的工作流和数据源	2026-10-19 14:06:20 +08:00
ThearchyHelios	322ba5969b	合入 nr8/b 之后的配合：启动时先等库再做版本检查（cluster/version.preflight 是第一次连库，放在等库之前的话库的容器晚一步起来服务就直接崩），单测核对先后；deploy/README 多进程一段写明内置 PostgreSQL 是直连、不用 AGENTLAB_DATABASE_DIRECT_URL，upgrade 先停掉旧容器（全部工作进程）、备份、再起新版本，正合不许新旧版本同时运行的拦截	2026-10-19 14:06:20 +08:00
ThearchyHelios	5318c33f57	合入 nr8/b 的 ac8b194c（复核 R-b1–R-b6、交互留底的运行名额、先占额度再出具、直连地址 AGENTLAB_DATABASE_DIRECT_URL 和 AGENTLAB_DB_PGBOUNCER、不许新旧版本混跑、prod.sh 和 Docker 入口问 python -m app.cluster workers、镜像带构建号）；没有冲突，README、config.py、db/base.py 自动合并	2026-10-19 14:01:07 +08:00
ThearchyHelios	c842b536f6	内置 PostgreSQL 的四条取舍：agentlab.env 模板末尾追加注释掉的「内置 PostgreSQL（可选）」一段（POSTGRES_IMAGE、POSTGRES_CONTAINER、DOCKER_NETWORK、POSTGRES_VOLUME、BACKUP_KEEP，缺省值写在注释里，已有的行一行没动）；升级前的备份收紧权限——backups/ 起每一层目录 0700、备份文件 0600，属主同数据目录（SQLite 的在 umask 077 下先以 0600 建空文件再交给备份接口写，pg_dump 在 umask 077 下写、目录由 app.ops backup-dir 建和收紧），恢复步骤里写清哪一步要 sudo、内置库的恢复改成在以 10001 运行的临时容器里读备份（不用 sudo）；restart 缺省只重启服务（库停着时先把库起来），restart --postgres 连库一起重启，没用内置库时加 --postgres 照实报错；离线包缺省带 PostgreSQL 镜像不变，deploy/README 写清多出约 160 MB、导入后约 0.7 GB；deploy/README 加「首次在 Linux 上切换前的检查」（docker 版本、属主、权限、磁盘空间、整目录备份）。单测核对权限位、restart 两种用法、模板里的注释和 deploy.sh 的缺省值一致	2026-10-19 13:58:00 +08:00
ThearchyHelios	ac8b194ca8	评测时限不算排队（续）：within 看得更勤（不超过时限的 1/20），一段的头尾有一头在暂停就整段不算——以前一段只看尾巴，拿到名额后的头一段整段算进去，PostgreSQL 全量满载时那条测试偶发超时；测试改成排 2 秒、时限 1 秒，给拿到名额之后的几次写库留够余地	2026-10-19 13:46:09 +08:00
ThearchyHelios	9e6a6db406	deploy.sh 带内置 PostgreSQL：install --postgres 在旁边再起一个 PostgreSQL 容器（镜像小版本固定 postgres:16.15、可用 POSTGRES_IMAGE 改；同一个 docker 网络、端口不对外；数据在 docker 数据卷；密码第一次自动生成在数据目录的 .postgres/、0600，按 POSTGRES_PASSWORD_FILE 和 PGPASSFILE 传，不进镜像、日志和 docker inspect；agentlab.env 什么都不用填）。用过一次的数据目录记在 .postgres/state，之后 install / upgrade / start 不用再加。start、restart 先起库等 pg_isready 再起服务，stop 先停服务再停库，status 显示两个容器，logs --postgres 看库的，uninstall 连库的容器和网络一起删、数据卷和数据目录留着。和外接 PostgreSQL（agentlab.env 里的 AGENTLAB_DATABASE_URL）互斥，照实报错；已有 SQLite 库的数据目录不许 install --postgres（指向 migrate-to-postgres），别的数据目录留下的数据卷不拿来用。upgrade 先停旧服务、自动备份（SQLite 用备份接口拷到 backups/sqlite/，内置库 pg_dump 到 backups/postgres/，各留最近 BACKUP_KEEP 份），备份没做成就把旧服务起回来不升级；POSTGRES_IMAGE 换了时库的容器按新镜像重建、起不来就换回原来的。新增 migrate-to-postgres：停服务 → 备份 → 起库 → copy-to-postgres 先 --dry-run 再正式导入、核对 → 记下已切换 → 按内置库起服务；记下之前哪一步出错都退回 SQLite（服务原样恢复、库的容器停掉、状态记成 migrating），重跑先清空上次导了一半的再导，已切过的什么都不做，不是这个数据目录留下的数据卷不清空。容器、网络、数据卷、端口等可用 DEPLOY_<名字> 环境变量盖过（测试、并排部署）。package-docker.sh 把同一个标签的 PostgreSQL 镜像导出成 postgres-image.tar 一起打包（--no-postgres 不带），标签只在 deploy.sh 里定一处。单测用假的 docker（tests/fake_docker.py）核对先后顺序、生成的参数、互斥和各条回退	2026-10-19 13:43:52 +08:00
ThearchyHelios	93cd32bc97	启动时等库：PostgreSQL 还连不上（和库的容器一起起、库还在初始化）时按退避重试（1、2、4、5、5… 秒），每次照实打一条「应用库还没就绪」，最多等 AGENTLAB_DB_STARTUP_TIMEOUT（缺省 90）秒再把最后一次的错抛出去；密码不对、库不存在这种等也没用的（SQLSTATE 28、3D、42 类）立刻抛；SQLite 不等。新增 python -m app.ops（部署脚本在容器里以镜像用户调的几件小事，只用标准库）：内置 PostgreSQL 的密码文件和 pgpass（0600，已有就沿用，密码不打印）、数据目录用哪种库的状态（sqlite / builtin / migrating）、SQLite 库的一致备份（备份接口，含 -wal 里的）和只留最近 N 份。copy-to-postgres 连不上目标库、库报错时一句话说清楚、退出码 1，不再甩一屏调用栈	2026-10-19 13:43:32 +08:00
ThearchyHelios	94fd36027b	测试：隔离那两条先等 slow 前面那一步的断点落库再装「卡住、被接手」——LangGraph 存断点和下一步并行，PostgreSQL 全量满载时 slow 已经开始、断点还在写，一隔离那次写入就被拦下，接手的一边找不到断点（偶发「没有可继续的断点」）	2026-10-19 13:42:10 +08:00
ThearchyHelios	bf9e4d4811	测试：额度并发那条同时占的个数降到 10（不超过连接池直接能给的连接数）——全量 -n auto 时 SQLite 的池子各测试共用，排队等连接会把池子的队列绑到前一个测试的事件循环上，这条偶发报 bound to a different event loop	2026-10-19 13:35:17 +08:00
ThearchyHelios	62089f2849	复核「另外两处」：评测每题的时限、算期望的时限都不算排队等运行名额的那一段（within 代替 asyncio.wait_for，作答那次运行在 slots 里还排着队时不走表；算期望的运行排着队时把截止时刻往后挪），满载时不再被记成超时、触发止损；同源队（SourceLanes）跟发名额一样，拿这个源的咨询锁之前备好「哪些别的属主确实不在了」，持锁期间只用持锁的那条连接，拿锁之后才出现的属主这一次当活着。slots 加 waiting(run_id, here=)：本进程里的直接看、不查库。补测试：排队 0.8 秒、时限 0.3 秒照样答完不记超时（改前的写法这条不过）；within 暂停的那几段不算、不暂停照样超时；同源队持锁期间不查「谁还活着」、没了的进程照样让位、拿锁之后才出现的属主不删	2026-10-19 13:31:46 +08:00
ThearchyHelios	f3ff5b9c18	复核 R-b5、R-b6：转发运行事件、读缓存失效通知都从游标往回留一小段重读（运行 64 条、缓存 200 条），按发布过的 seq / 处理过的 id 去重——号先取后提交、号大的先提交时，号小的那一条后到也照样转、照样失效，不越过回放已经发过的那一段；合成之后超长的正文增量按字切成几条（二分找每段最长的前缀，不切坏 UTF-8），不再截掉。补测试：号小的后提交照样转出来、不重复；缓存失效 id 大的先到、小的后到都处理；超长增量切开拼回来一字不少	2026-10-19 13:24:44 +08:00
ThearchyHelios	5578cf137d	复核 R-b4（prod.sh、Docker 入口读不到 .env 里的配置）：新增 python -m app.cluster workers——照后端自己的配置（环境变量和 .env 一起读）说起几个工作进程，SQLite 而大于 1 时照实报错、退出码 2；prod.sh 只在命令行给了 --workers 时写进环境变量，进程数一律问后端，Docker 的入口同样问它。补测试：SQLite 而大于 1 拒绝、PostgreSQL 照给的数	2026-10-19 13:23:02 +08:00
ThearchyHelios	5f7100906f	复核 R-b3（SQLite 单进程多出来的写库）：SQLite 时守卫已经确认只有本进程——登记只写一次、不续租约、本进程直接当班（不写库）、接手只在启动时做，心跳只做本进程自己攒着的活；运行的名额在 SQLite 下放在进程里（规矩同一套：优先级、类别上限、交互留底，只是不落库），一段运行不再为要名额多写三次库。顺带（复核「另外两处」之二）：PostgreSQL 发名额持着全站的锁时不再另取连接查「谁还活着」，拿锁之前备好，不认识的属主这一次当活着。补测试：SQLite 空闲十来拍心跳、要一次名额放一次，PRAGMA data_version 不变（名额落库的写法这条不过）；库里的名额行那两条只在 PostgreSQL 上跑	2026-10-19 13:22:05 +08:00
ThearchyHelios	96bb372ef3	复核 R-b2（单进程下周期整理退回判定中的待办）：当班进程隔一会儿的那一次接手（trust_mine）不论有没有别的进程，停在 resolving 的待办只收拾停了两个租约时长以上的，启动时又没有别的进程的那一次照旧全收拾；顺带把其余周期调用的整理过一遍——结果未知的写入只补停了两个租约时长以上的（收尾和安排核实之间的不碰），问数据没有任务行的老轮次只在启动时整理（老页面开的轮次建图时也是这个样子）。补测试：判定到一半当班进程来一次，待办照样记已处理、那一票不撤回（改前的写法这条不过）	2026-10-19 13:18:23 +08:00
ThearchyHelios	35ab097b45	复核 R-b1（卡住但没死的进程被当成没了）：续租约挪到单独的任务、专用连接（不走连接池，不被同一拍别的活拖住）；进程间请求另起任务办，不在心跳里等收尾；新增 cluster/fence 自我隔离——离上次续上租约超过一个租约时长，或者这段执行属于上一次隔离之前，执行在写事件、写断点、开审批、发外部写入、后台任务写库之前就停手（Fenced 是 BaseException，节点里的 except Exception 拦不住），续租时发现续晚了就隔离：停掉手上的运行和后台任务、不写终态，换一个身份重新登记；运行收尾先占住那一行、属主不是自己就不写；别的进程按租约过期再多等一个租约时长才算不在了（两边中间留一段）；run_events 的 (run_id, seq) 改成唯一索引（存量库先数重复，有就照实记日志、这一次不建，不让启动失败）。补测试：卡住期间被接手之后不盖终态、不写事件、序号不重；被接手的那次在别处接着跑完只结束一次、后面那一步只跑一次；收尾按属主写；撞号被库拒绝；多进程端到端加 6b、6c（真 SIGSTOP / SIGCONT）	2026-10-19 13:15:56 +08:00
ThearchyHelios	75ab3678cb	代码里拦住新旧版本混跑（用户拍板）：新增 cluster/version——代码版本（包版本 + 构建号 AGENTLAB_BUILD 或 git 提交 + app/ 下源码指纹，比较按源码指纹）、库结构版本（各表各列加迁移清单的哈希），进程登记时一并记下（cluster_workers 两列，add-only 迁移）。PostgreSQL 时补列之前先看一眼（preflight）：库里还有活着的、版本不同的进程，心跳在走就拒绝启动、照实写明是哪几个进程什么版本、要先停掉再升级，心跳停着的（强杀留下的）等租约过期再起；登记那一下在事务级咨询锁里再查一遍，两个不同版本同时启动只有先登记上的起得来。Docker 镜像带上构建号；README 写明升级步骤。补测试：版本不同的活进程被点名拒绝、同版本照常加入、过期的不算、只比源码指纹；PostgreSQL 上心跳在走的拒绝、心跳停着的等过期、登记时再拦一次	2026-10-19 13:04:07 +08:00
ThearchyHelios	d68ca9774f	加直连地址 AGENTLAB_DATABASE_DIRECT_URL 和 PgBouncer 事务模式开关 AGENTLAB_DB_PGBOUNCER（用户拍板）：依赖会话状态的连接——收发进程间通知的那一条（LISTEN）、跨进程的锁（会话级咨询锁，另建一个直连的小池子）、断点库（缺省）——走直连地址，普通查询走 AGENTLAB_DATABASE_URL，不设就全用同一个；开关打开时普通地址不用客户端连接池、关掉 SQLAlchemy 和 asyncpg 的预备语句缓存、预备语句用随机名字（照 SQLAlchemy 文档），事务级咨询锁照常成立；开关打开却没给直连地址时拒绝启动。README 写三种部署（直连、PgBouncer 会话模式、事务模式加直连地址）和要配的 server_reset_query，照实说没在真的 PgBouncer 上跑过。补测试：地址解析和规范化、断点库缺省走直连、事务模式关掉的几样、LISTEN 和跨进程锁走直连、事务模式没给直连地址拒绝启动	2026-10-19 13:01:21 +08:00
ThearchyHelios	01af07b193	出具、按需视图的每日上限改成先占额度再发起（用户拍板）：新增 cluster/quota——额度记在库里（rate_counters 按名字 + 本地日期一行），占一份是一句带条件的 UPDATE（没到上限才加一），两种库上都是原子的，这一天第一次占按库里已有的记录起算，发起被拒或出错就退回。出具去掉全站一把锁，只留同一（运行、工作流、版本）的去重锁，几份不同的出具可以同时发起；按需视图的锁缩回按缓存键（视图 + 参数）去重，每日上限改用这个应用的额度。补测试：20 个协程同时占正好到上限、按已有记录起算、退回再占；两个进程同时占正好到上限；三份不同的答案同时出具正好到上限、多出来的回 429	2026-10-19 12:57:38 +08:00
ThearchyHelios	6ed782a84b	运行名额改成给交互留底、其余可借（用户拍板）：交互留底缺省全站上限的 1/4、至少 1、至多全站上限减 1，应用、定时、系统三类合起来永远用不到留底；三类各自的上限缺省 = 全站上限 − 留底（设置里可调小），没人问数据时评测能开满；交互上限缺省 = 全站上限；等名额照旧按优先级、同级先来先得。存着的设置原样存、缺省按全站上限和留底现算；留底不小于全站上限时 422。设置页「运行并发」加「给交互留底」一项，写明留底和借用是什么，README 同步。补测试：缺省值、空闲时系统类借满到 全站 − 留底、留底不借给应用类、问数据一来马上拿到留底；多进程端到端加 5b（评测借满时问数据拿留底、不等评测跑完）	2026-10-19 12:53:28 +08:00
ThearchyHelios	319b787688	合入 nr8/l 的 e1ff1c90（问数据事件日志清理不给时间时按当前时间算） ... # Conflicts: # backend/app/chat/log.py	2026-10-19 12:48:42 +08:00
ThearchyHelios	e1ff1c9070	问数据事件日志的清理那一拍不给时间时按当前时间算：调度循环的 process_due 不一定给 now，chat/log.purge_tick、purge 以前拿 None 去减保留期就报错（多进程端到端里查出）。补测试	2026-10-19 12:37:30 +08:00
ThearchyHelios	4e3623885b	合入 W2-a 的复核修复（nr8/a：导入的 NOT NULL 补值与孤儿行、收尾 dispose、sslmode 换算、PostgreSQL 写入去 NUL、不分大小写搜索 contains_ci、json_eq 两库同语义、JSON 守卫、用户可见列表补决胜键、bubblewrap --clearenv、部署脚本与原子写的几处、README 连接数预算） ... # Conflicts: # backend/app/api/schedules.py # backend/app/main.py	2026-10-19 12:21:38 +08:00
ThearchyHelios	89cd135174	补多进程协调的单测（两种库）：别的进程用库里的行装出来（登记着的同伴、从没登记过的已经没了的进程）——谁还活着、名额按优先级先给交互类、一类到了上限不挡别的类、没了的进程占着的名额收回而活着的同伴的不碰、同源队几个进程共用且跳过没了的进程的位置、接手运行只碰属主不在了的（升级前没记属主的照不在了处理）、停止和记事件交给活着的属主、属主不在了的停止直接接手放弃、当班到期交接、同一本每日账并发记不越过上限、SQLite 第二个进程（以及 AGENTLAB_WORKERS 大于 1）拒绝启动；评测说明里的并发一段照现在的名额说	2026-10-19 12:14:39 +08:00
ThearchyHelios	5272d8f028	知识库「同时只跑一个重建」的两条测试，放行之后只重建一个空集合：测的是互斥不是重建本身。按全部集合重建要把同一个 xdist 进程里别的测试留下的几百段都重算一遍（这一轮加了测试，分到它那个进程的多了，实测停在 428/431），满载时超过 10 秒的等待，后面一条也跟着撞上「正在重建」	2026-10-19 12:07:31 +08:00
ThearchyHelios	db328efd21	原子写和部署脚本的几处（复核 R-a11、R-a12、R-a13 追加写） ... - R-a12 create_bytes：硬链接不了的文件系统（exFAT、一部分 SMB / FUSE，EPERM / ENOTSUP / EXDEV）不再首次启动就崩，退回 O_CREAT | O_EXCL 直接建（仍然只建一次，说明里写了写的那一会儿读的一方可能读到不完整）；建成后 fsync 目录（同 raw_store） - R-a13 file_write 的追加改回原地追加写（O_APPEND，core/atomic.append_bytes）：不换文件（inode、权限、开着的句柄不变），原有内容不动，文件大了也不用整份读出来重写；取舍写在函数说明里——读的一方最多看到半截新内容。覆盖照旧先写临时文件再改名，并沿用原文件的权限 - R-a11 deploy.sh 改属主前认数据目录收紧：只认 agentlab.db、.secret_key、.agentlab-data 三样之一（不再认 uploads/ 这种普通目录名）；.agentlab-data 是服务启动时（Settings.ensure_dirs）建的标记，只建一次不覆盖，库在 PostgreSQL、密钥由环境变量给的部署也认得出；老部署有 agentlab.db 或 .secret_key。deploy/README 写明这个文件别删 - 测试：模拟不能硬链接仍只建一次、权限 0600、不留临时文件；覆盖沿用原权限；追加不换 inode、权限不变；file_write 追加不换文件、覆盖照常；数据目录里有标记、重复启动不覆盖	2026-10-19 12:07:31 +08:00
ThearchyHelios	ba87a93ef7	bubblewrap 沙箱不再继承后端的环境变量（复核 R-a5）：bwrap 参数最前面加 --clearenv，再按缺省（HOME、TMPDIR、PATH、LANG、PYTHONDONTWRITEBYTECODE）和调用方给的逐条 --setenv；bwrap 进程本身也只拿 PATH ... 以前被执行的代码看得到后端进程的全部环境变量：模型的 API Key，现在又多一条带密码的 AGENTLAB_DATABASE_URL。local、seatbelt 一直只给最小的一套。调用方给的变量以前插在最前面、会被缺省的盖掉，现在放在最后、能盖过缺省的，同另外两种沙箱。测试（本机没有 bwrap，测参数和进程环境的组装）：--clearenv 在所有 --setenv 前面，AGENTLAB_* / *_API_KEY 的名字和值都不出现，bwrap 进程的环境只有 PATH	2026-10-19 12:07:31 +08:00
ThearchyHelios	7febf2bcdb	两种库行为再对齐一轮（复核 NUL、R-a4、R-a6、R-a7、R-a10） ... - 编排者的决定：PostgreSQL 下文本列写入时去掉 NUL 字符（before_cursor_execute 钩子，只装在应用库引擎上，看所有字符串参数，没有 NUL 的原样交回），SQLite 不变；同 JSON 列的处理 - R-a4 应用库地址里的 sslmode= 换成 asyncpg 的 ssl=（取值同一套），sslrootcert 等证书参数、application_name 这类 asyncpg 不收的参数启动时就报错并说怎么写（证书用 PGSSLROOTCERT 等环境变量）；断点库连接串换回 sslmode= - R-a6 不分大小写的搜索换成 db/portable.contains_ci：SQLite 上同 ilike（lower LIKE lower），PostgreSQL 上模式带 COLLATE "default"（列是 COLLATE "C"，列上的 ILIKE 只认 ASCII，É/é、Ж/ж、全角Ａ/ａ 匹配不上）；运行列表按名字、对象索引按注释两处都改；改正 db/postgres 里那句说明 - R-a7 JSON 守卫改成编译层：tests/jsonguard 挂在应用库编译器上（conftest，两种库、跑全量时一直生效），整个 JSON 值出现在 = / != / IN / IS DISTINCT FROM / 大小比较、SELECT DISTINCT、GROUP BY、ORDER BY、UNION（去重的几种）里就报错；按类型认，变量别名、跨行 order_by、select(Run.origin).distinct()、JSON 下标的比较都抓得到，测试拿这些反例证明，json_eq、IS NULL、UNION ALL 不受影响。原来的逐行正则测试删掉 - R-a10 json_eq 两种库同一语义、按 JSON 类型比：字符串只等于字符串，数只等于数（1 等于 1.0），True / False 只等于 JSON 的 true / false（SQLite 上用 json_type 分开，以前 1 能匹配 true）；非标量 TypeError。json_text 两种库都是「字符串取本身、别的取 JSON 写法」（SQLite 上同 PostgreSQL 的 ->>），数 1 的 json_text 两边都是 '1' - db/postgres 说明里写清 NULL 排序补写的范围（只认直接按列排的）	2026-10-19 12:06:31 +08:00
ThearchyHelios	0e997eb968	copy-to-postgres 在真实开发数据上核对不过的几处（复核 R-a1、R-a2、R-a3、R-a8、R-a13） ... - R-a1 老库 NOT NULL 列为空：第一版补 schedules.trigger 时没带缺省值，存量定时任务这一列是 NULL，导入 PostgreSQL 撞 NOT NULL，连带触发记录、通知撞外键。迁移表里这一列改成带 DEFAULT '{}'；新增 _NOT_NULL_BACKFILLS，启动时按模型的缺省值把已经补过、留着 NULL 的填上（SQLite 这边也填，两种库存的一样；只更新这一列，不碰 updated_at）；导入时 _Fixer 遇到 NOT NULL、有缺省值的列的 NULL 也填缺省值，计入「转换」。迁移表里的 NOT NULL 列都过了一遍，只有这一列没带缺省值 - R-a2 孤儿行：导入前在快照上按模型外键扫（settle_orphans）：外键是 SET NULL、列可空的置空，计入转换；CASCADE / 不可空的从快照里拿掉、不导入，反复扫到没有为止，报告里单列「孤儿行（SQLite 当时没强制外键）」的表和条数，不算核对失败 - R-a3 停服务后 agentlab.db-wal 还在：lifespan 收尾 dispose 应用库引擎（只加了这几行），SQLite 最后一个连接关掉时并回、删掉 -wal，PostgreSQL 的池子也正常关 - R-a8 自增主键的序列取「目标表 MAX、快照 sqlite_sequence 的计数器、序列现值」三者最大，删过的号不复用（召回按 source_changes.seq 当游标） - R-a13 插不进的行的原因不再带「<class 'asyncpg.exceptions.…'>:」前缀（errors.first_line 两种写法都去）；设了 AGENTLAB_DATABASE_URL 却没装 [postgres] 时，应用库引擎和断点库都直接说要装什么 - 测试：DROP COLUMN 再按第一版迁移补回造老表、关着外键写孤儿行，迁移填值、快照上置空和拿掉、导入 PostgreSQL 核对通过且重跑一样；NULL 落回模型缺省值；端到端里删掉最后一条变化，导过去新变化从 3 编起；起停一次服务后数据目录里没有 -wal / -shm（去掉 dispose 这条测试就挂） - PostgreSQL 引擎上另挂了去掉文本参数里 NUL 的钩子（db/postgres.strip_nul，见下一个提交）	2026-10-19 12:06:31 +08:00